Skip to main content
main-content

14.05.2018 | Betriebstechnik + Instandhaltung | Nachricht | Onlineartikel

Störgeräusche messen und auswerten

Autor:
Nadine Klein

Intelligente akustische Sensoren verarbeiten batteriebetrieben an Ort und Stelle Audiosignale von Maschinen und Anlagen. Aus den Informationen lassen sich Rückschlüsse auf den Zustand der Fertigungsanlagen ziehen und mögliche Schäden vermeiden.

Axialkolbenpumpen wandeln mechanische in hydraulische Energie um. An Bau- oder Landmaschinen helfen sie, schwere Lasten zu heben, oder sind Teil industrieller Fördertechnik. Zusammen mit Partnern haben Wissenschaftler des Fraunhofer-Instituts für Digitale Medientechnologie IDMT batteriebetriebene Sensoren an Axialkolbenpumpen angebracht, die in der Lage sind, die Geräusche der Pumpe über die Luft aufzunehmen, zu verarbeiten, mit Referenzaudiodaten abzugleichen und die Informationen drahtlos an eine digitale Auswerteeinheit zu senden. So sollen sich nicht nur Rückschlüsse auf mögliche Fehlentwicklungen frühzeitig erkennen, sondern auch Aussagen über die Art der Probleme treffen lassen, zum Beispiel ob Lagerspiele oder Hydraulikprobleme vorliegen. Dadurch bestehe die Möglichkeit einzugreifen, bevor größere Schäden für Antriebsstrang oder Hydraulik entstehen. 

Einsatz maschineller Lernverfahren 

"Das kognitive System haben wir mit maschinellen Lernverfahren trainiert, die auf zuvor erhobenen Audiosignalen der Pumpe basieren", informiert Danilo Hollosi, Leiter "Akustische Ereigniserkennung" der Oldenburger Projektgruppe Hör-, Sprach- und Audiotechnologie des Fraunhofer IDMT. Eine zentrale Infrastruktur für die Datenverarbeitung sei nicht notwendig. Während Server Beträge in fünfstelliger Höhe verschlingen können, bleibe so der Preis pro Sensor im zweistelligen Bereich. Durch die Signalverarbeitung direkt vor Ort werden zudem weniger Daten für das Training benötigt. "Kunden profitieren von einer datensicheren Technologieplattform, die für unterschiedlichste Audioszenarien geeignet ist, leicht nachgerüstet werden kann und beliebig skalierbar ist. Auch die Vernetzung der Sensoren über das Internet zur Fernwartung ist möglich", fasst Hollosi die Vorteile zusammen.

Die Technologie wird vom BMBF im Projekt ACME 4.0 gefördert. Mittlerweile haben die Partner das dritte Projektjahr und das Technology Readiness Level 8 erreicht. 2018 steht die Evaluation des Prototyps in Feldversuchen an. Gleichzeitig arbeiten die Wissenschaftler mit Infineon an Predictive Maintenance für die Chipfertigung.

Weiterführende Themen

Die Hintergründe zu diesem Inhalt

Das könnte Sie auch interessieren

12.04.2017 | Digitaltechnik + Bildverabeitung | Nachricht | Onlineartikel

Fehler akustisch bestimmen

01.10.2014 | Robotik | Im Fokus | Onlineartikel

Künstliche Systeme sollen autonom lernen

Premium Partner

in-adhesivesMKVSNeuer Inhalt

BranchenIndex Online

Die B2B-Firmensuche für Industrie und Wirtschaft: Kostenfrei in Firmenprofilen nach Lieferanten, Herstellern, Dienstleistern und Händlern recherchieren.

Whitepaper

- ANZEIGE -

Künstliche Intelligenz und die Potenziale des maschinellen Lernens für die Industrie

Maschinelles Lernen ist die Schlüsseltechnologie für intelligente Systeme. Besonders erfolgreich ist in den letzten Jahren das Lernen tiefer Modelle aus großen Datenmengen – „Deep Learning“. Mit dem Internet der Dinge rollt die nächste, noch größere Datenwelle auf uns zu. Hier bietet die Künstliche Intelligenz besondere Chancen für die deutsche Industrie, wenn sie schnell genug in die Digitalisierung einsteigt.
Jetzt gratis downloaden!

Marktübersichten

Die im Laufe eines Jahres in der „adhäsion“ veröffentlichten Marktübersichten helfen Anwendern verschiedenster Branchen, sich einen gezielten Überblick über Lieferantenangebote zu verschaffen. 

Bildnachweise